目前常用的python语音识别API
- apiai
- assemblyai
- google-cloud-speech
- pocketsphinx
- SpeechRecognition
- watson-developer-cloud
- wit
像wit和apiai这些python包提供的功能已经超出了基本的语音识别的范围。所以，推荐使用SpeechRecognition这个包，因为使用更简单。并且这个包默认提供Google Web Speech API密钥。
Python SpeechRecognition支持以下音频文件格式
- WAV- PCM/LPCM format
- AIFF
- AIFF-C
- FLAC
注：文件格式很重要，不然极易出错。
准备工作
使用pip工具，安装 SpeechRecognition包
在命令行中输入：
pip install SpeechRecognition为了测试安装是否成功，可以在python解释器中输入以下代码，检查包的版本：
import speech_recognition as sr
sr.__version__准备音频文件
可以自己准备，也可以使用网络上现成的文件：http://www.voiptroubleshooter.com/open_speech/american.html
在python中读取音频文件
首先，我们创建一个Recognizer类的实例。
r=sr.Recognizer()有Recognizer，每个API都有一个单独的方法：
- recognize_bing()- Microsoft Bing Speech
- recognize_google()- Google Web Speech API
- recognize_google_cloud()- Google Cloud Speech
- recognize_houndify()-Houndify
- recognize_ibm()- IBM Speech to Text
- recognize_sphinx- CMU Sphinx
- recognize_wit()- Wit.ai
用record()采集数据
可以用context manager来打开音频文件并且读取其中的内容，然后记录到AudioData实例中去。
demo=sr.AudioFile(‘demo.wav’)
with demo as source:
audio=r.record(source)进一步确认操作正确：
>>> type(audio)
><class ‘speech_recognition.AudioData’>识别Audio数据对象中的语音信息
可以用recognize_google()来生成语音文本。
r.recognize_google(audio)音频切片
如果你只想读取音频文件的一部分，你可以更改参数offset，来申明什么地方开始，以及读取多长时间。
with demo as source:
audio=r.record(source,offset=4,duration=3
r.recognize_google(audio)处理噪音
噪音难以避免。adjust_for_ambient_noise()方法可以在一定程度上解决这个问题。
with demo as source:
r.adjust_for_ambient_noise(source) audio=r.record(source,offset=2.5,duration=3
r.recognize_google(audio)我们可以提供一个参数，来设定程序采集音频信息的时长，这样可以校准recognizer。下面是一个例子，虽然参数差异仅仅为0.005，但是结果却完全不同。
>>> with demo as source:
r.adjust_for_ambient_noise(source,duration=0.51)
audio=r.record(source,offset=2.5,duration=3)
>>> r.recognize_google(audio)
‘National thanks’>>> with demo as source:
r.adjust_for_ambient_noise
(source,duration=0.515)
audio=r.record(source,offset=2.5,duration=3)
>>> r.recognize_google(audio)
‘clear the sheet’实时语音识别
为了能够识别自己的声音，需要使用PyAudio包来调用设备麦克风。可以用pip安装。
pip install PyAudio也可以从网上下载：
https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyaudio然后再：
pip install [file_name_for_binary]Microphone类
就像前文音频文件的Recognizer一样，我们需要实时音频数据的Microphone类。重启pyhton解释器：
import speech_recognition as sr
r=sr.Recognizer()然后创建Microphone类的实例：
mic=sr.Microphone()使用list_microphone_names()方法可以看所有可以使用的microphone
sr.Microphone.list_microphone_names()同时也可以选择一个特定的麦克风：
mic=sr.Microphone(device_index=3)但是此时我们选择默认的设置。
抓取麦克风输入文件
用listen()方法可以抓取麦克风中的音频：
with mic as source:
audio=r.listen(source)现在可以对着你的麦克风说话了，当程序检测不到声音，那么在解释器里面会出现 (>>>)表示声音采集结束。
r.recognize_google(audio)导致error发生的语音
当python无法将这些语音与文本匹配，那么可能会返回UnknownValueError。
>>>r.recognize_google(audio)
Traceback (most recent call last):
File “<pyshell#7>”, line 1, in <module>
r.recognize_google(audio)
File “C:\Users\Ram\AppData\Local\Programs\Python\Python37–32\lib\site-packages\speech_recognition\__init__.py”, line 858, in recognize_google
if not isinstance(actual_result, dict) or len(actual_result.get(“alternative”, [])) == 0: raise UnknownValueError()
speech_recognition.UnknownValueError像咳嗽声，呕吐声，拍手声等都可能导致这些情况发生。
